Hasil Pencarian  ::  Simpan CSV :: Kembali

"Pembuatan kapal membutuhkan biaya manufaktur yang cukup tinggi, salah satu penyebab hal ini adalah tingginya biaya bahan baku material yang akan digunakan untuk pembuatan kapal tersebut. Untuk mengurangi biaya manufaktur pembuatan kapal namun tetap memertahankan fungsinya, salah satu solusi yang dapat dilakukan adalah melakukan substitusi material. Pemilihan material menggunakan Metode Optimasi Algoritma Genetika, metode ini bekerja sesuai dengan Teori Evolusi Charles Darwin. Induk yang telah dikawinsilangkan akan menghasilkan individu baru yang telah mengalami proses mutasi. Dalam proses ini, besarnya angka mutasi akan memengaruhi kualitas individu baru. Setelah dilakukan substitusi material, akan dilakukan optimasi ketebalan. Penelitian ini bertujuan untuk mendapatkan biaya optimal tanpa mengurangi dari fungsi dari pelat tersebut. Pengujian dilakukan menggunakan Visual Studio C++, dengan 50 generasi variasi angka mutasi 5%; 7,5%; dan 10%. Hasil penelitian akan menampilkan pengaruh angka mutasi, jumlah generasi terhadap optimasi biaya. Pada hasil optimasi dengan mutasi 5% mampu mengurangi biaya material hingga 34%, hasil optimasi mutasi 7,5% mampu mengurangi biaya material hingga 34,5%, dan hasil optimasi mutasi 10% mampu mengurangi biaya material hingga 36%.

---

Shipbuilding requires a fairly-high manufacturing cost, one of the reasons for this is the high cost of raw materials used for shipbuilding. To reduce shipbuilding manufacturing costs but still maintain its function, one solution that can be done is to substitute materials. Material selection using Genetic Algorithm Optimization Method, this method works according to Charles Darwin's Theory of Evolution. The parent that has been crossed will produce a new individual that has undergone a mutation process. In this process, the number of mutations will affect the quality of new individuals. After material substitution, thickness optimization will be carried out. This study aims to obtain the optimal cost without reducing the function of the plate. Tests were carried out using Visual Studio C++, with 50 generations of variation in the 5% mutation rate; 7.5%; and 10%. The results of the study will show the effect of mutation rate, number of generations on cost optimization. The optimization results with 5% mutations can reduce material costs up to 34%, 7.5% mutation optimization results can reduce material costs up to 34.5%, and 10% mutation optimization results can reduce material costs up to 36%.

"

"Seiring dengan meningkatnya biaya operasi dan material untuk manufaktur sebuah kapal, diperlukannya metode-metode optimasi untuk mengurangi biaya tersebut. Banyak penelitian untuk optimasi biaya manufaktur kapal, salah satunya adalah dengan melakukan optimasi pada struktur kapal. Dalam penelitian ini, dilakukan optimasi pada struktur penutup palka kapal curah. Optimasi dilakukan dengan melakukan Sensitivity Analysis pada metode Hybrid Genetic Algorithm (Hybrid GA) pada desain penutup palka kapal yang sudah ada. Metode ini melihat hubungan antar pelat sebelum dilakukan Hybrid GA. Dimana Hybrid GA sendiri menggabungkan antara Genetic Algorithm dan Size Optimization. Kelemahan dari Hybrid GA ini sendiri adalah lamanya proses optimasi untuk mendapatkan hasil yang optimal. Dengan dilakukannya Sensitivity Analysis, Penelitian ini akan membuat metode optimasi semakin cepat dan optimal dari segi waktu, serta tetap mendapatkan hasil yang optimal dari segi biaya manufaktur. Pada saat optimasi dilakukan hanya pelat yang saling mempengaruhi secara tegangan yang akan dijalankan bersamaan. Hasil penelitian akan menampilkan pengaruh dilakukannya Sensitivity Analysis terhadap waktu optimasi dan biaya. Terjadi pengurangan waktu sebanyak 67% dibandingkan dengan metode Hybrid GA, dengan biaya manufaktur yang serupa. Dengan demikian hasil penelitian ini bisa berkontribusi untuk membuat kapal yang lebih murah untuk dibuat

---

Along with the increase in operating and material costs for manufacturing a ship, optimization methods are needed to reduce these costs. There are many studies for optimizing ship manufacturing costs, one of which is by optimizing the ship structure. In this study, optimization of the bulk ship hatch cover structure was carried out. Optimization is done by performing a sensitivity analysis on the Hybrid Genetic Algorithm (Hybrid GA) method on the existing ship hatch cover design. This method looks at the relationship between plates before doing Hybrid GA. Where Hybrid GA itself combines Genetic Algorithm and Size Optimization. The weakness of Hybrid GA itself is the length of the optimization process to get optimal results. By doing Sensitivity Analysis, this research will make the optimization method faster and optimal in terms of time, and still get optimal results in terms of manufacturing costs. At the time of optimization, only plates that affect each other in voltage will be run simultaneously. The results of the study will show the effect of doing Sensitivity Analysis on optimization time and cost. There was a 67% reduction in time compared to the Hybrid GA method, with similar manufacturing costs. Thus, the results of this study could contribute to making ships cheaper to build."

"Dalam membangun sebuah kapal membutuhkan biaya yang sangat besar terutama dalam pengadaan material. Salah satu cara untuk mengurangi biaya manufaktur tersebut adalah melakukan optimasi struktur kapal. Dalam penelitian ini, optimasi dilakukan dengan menggunakan metode Hybrid GA. Metode ini menggabungkan antara Genetic Algorithm dan Size Optimization. Genetic Algorithm digunakan untuk memilih material dan Size Optimization digunakan untuk mengurangi ketebalan pelat. Akan tetapi, metode optimasi Genetic Algorithm membutuhkan waktu yang sangat lama untuk mendapatkan hasil paling optimal. Penelitian ini bertujuan untuk mengurangi waktu yang diperlukan dalam optimasi berbasis Hybrid GA dengan memodifikasi proses Genetic Algorithm serta mendapatkan material dengan biaya manufaktur paling rendah. Modifikasi Genetic Algorithm dalam penelitian ini adalah melakukan optimasi sesuai kelompok gen setiap 10%; 20%; 25%; 50%; dan 100% dari total keselurahan gen. Hasil penelitian akan menampilkan pengaruh modifikasi Genetic Algorithm terhadap waktu optimasi dan biaya. Terjadi pengurangan biaya sebanyak 39% pada optimasi setiap 10% gen, 20% gen, dan 25% gen, 34% pada optimasi setiap 50% gen, dan 33% pada optimasi dengan 100% gen. Dari hasil penelitian didapat rata-rata waktu optimasi tiap generasinya, yaitu setiap 10% gen adalah 0,274 jam, setiap 20% gen adalah 0,388 jam, setiap 25% gen adalah 0,434 jam, setiap 50% gen adalah 0,61 jam, dan 100% gen adalah 0,646 jam.

---

In building a ship requires a very large cost, especially in the procurement of materials. One way to reduce manufacturing costs is to optimize the ship structure. In this study, optimization was carried out using the Hybrid GA method. This method combines Genetic Algorithm and Size Optimization. Genetic Algorithm is used to select material and Size Optimization is used to reduce plate thickness. However, the Genetic Algorithm optimization method takes a very long time to get the most optimal results. This study aims to reduce the time required for optimization based on Hybrid GA by modifying the Genetic Algorithm process and obtaining materials with the lowest manufacturing costs. Genetic Algorithm modification in this research is to optimize according to gene group every 10%; 20%; 25%; 50%; and 100% of the total gene pool. The results of the study will show the effect of Genetic Algorithm modification on optimization time and cost. There was a 39% cost reduction in optimization of every 10% of genes, 20% of genes, and 25% of genes, 34% on optimization of every 50% of genes, and 33% on optimization with 100% of genes. From the results of the study, the average optimization time of each generation, ie every 10% of genes is 0.274 hours, every 20% of genes is 0.388 hours, every 25% of genes is 0.434 hours, every 50% of genes is 0.61 hours, and 100% gene is 0.646 hours."

"Dalam pembangunan kapal baja menjadi item paling banyak dibutuhkan sebagai material kapal. Harga baja cenderung meningkat dari waktu ke waktu seiring dengan krisis global. Hal ini membuat biaya produksi kapal secara keseluruhan meningkat. Hal yang dapat dilakukan untuk menurunkan biaya produksi adalah dengan menurunkan biaya material. Salah satu cara untuk menurunkan biaya material adalah dengan melakukan optimasi pemilihan material. Pada penelitian ini optimasi dilakukan menggunakan Upgrade & Downgrade Method.Ada 3 step yang berjalan pada metode ini. Metode ini bekerja dengan mengganti material yang ketebalannya telah melebihi parameter yang telah ditentukan. Parameter pergantian material ditentukan berdasarkan rangking material. Material rangking 3 akan digantikan material rangking 2 dan seterusnya. Pada step 1 sebagai step awal akan menggunakan material dengan rangking paling rendah sebagai initial design. Hasil dari step 1 akan mengganti material yang memiliki ketebalan melebihi parameter dengan material yang rangkingnya lebih tinggi. Rangking material dihasilkan dari perbandingan antara yield strength dengan harga material. Material yang digunakan dalam penelitian ini adalah mild steel,AH 32 dan AH 36.Untuk menguji efektivitas metode ini, dibuatkan 6 kasus dengan perbedaan harga material setiap kasusnya sehingga menghasilkan rangking material yang bervariasi juga. Hasil dari penelitian ini akan menampilkan perbandingan harga material pada setiap kasusnya. Harga paling rendah yang dihasilkan dari masing-masing step adalah hasil paling optimal dan akan dijadikan final design. Hasil penelitian disajikan dalam bentuk grafik perbandingan harga dan massa. Dari hasil penelitian biaya pada kasus 1 turun sebesar 29.5 % menjadi 8.542.723 rupiah, pada kasus 2 turun sebesar 47.7% menjadi 6.336.328 rupiah, pada kasus 3 turun sebesar 48.1% menjadi 7.070.354 rupiah, pada kasus 4 turun sebesar 49.1% menjadi 7.703.958 rupiah, pada kasus 5 turun sebesar 26.3% menjadi 7.820.365 rupiah dan pada kasus 6 turun sebesar 26.1% menjadi 10.083.541 rupiah.

---

In the construction of ships, steel is the most needed item as ship material. Steel prices tend to increase from time to time in line with the global crisis. This makes the overall production cost of ships increase. One thing that can be done to reduce production costs is to reduce material costs. One way to reduce material costs is to optimize material selection. In this research, optimization is carried out using the Upgrade & Downgrade Method. There are 3 steps that run in this method. This method works by replacing the material whose thickness has exceeded the specified parameters. Material replacement parameters are determined based on the material ranking. The 3rd rank material will be replaced by the 2nd rank material and so on. In the first step as an initial step, we will use the material with the lowest rank as the initial design. The results of step 1 will replace the material that has a thickness exceeding the parameter with a material with a higher ranking. Material ranking is generated from the comparison between yield strength and material price. The materials used in this research are mild steel, AH 32 and AH 36. To test the effectiveness of this method, 6 cases were made with differences in material prices in each case in order to produce a varied material ranking as well. The results of this study will show a comparison of material prices in each case. The lowest price generated from each step is the most optimal result and will be used as the final design. The results of the study are presented in a price and mass comparison chart. From the results of the study, the cost in case 1 decreased by 29.5% to 8,542,723 rupiah, in case 2 it decreased by 47.7% to 6,336,328 rupiah, in case 3 it decreased by 48.1% to 7,070,354 rupiah, in case 4 it decreased by 49.1% to 7,703,958 rupiah, in case 5 it decreased by 26.3% to 7,820,365 rupiah and in case 6 it decreased by 26.1% to 10,083,541 rupiah."

"Komunikasi mmWave merupakan komunikasi yang menjanjikan dan menarik bagi kalangan akademik dan industri karena ketersediaan spektrum yang berlimpah, akan tetapi spektrum mmWave mmiliki karakteristik kanal propagasi yang buruk. Teknik beamforming dengan perarahan yang tinggi menjadi solusi yang efektif untuk hal tersebut. Penggunaan teknik tersebut memiliki masalah waktu tunda yang tinggi dalam mekanisme initial access (IA). Hal ini dapat berdampak pada kinerja yang buruk untuk dapat mendukung implementasinya di teknologi komunikasi saat ini, yaitu 5G low end-to-end latency. Metode meta-heuristic dengan menggunakan algoritma Genetic Algorithm (GA) merupakan salah satu metode yang telah dilakukan untuk menyelsaikan permaslahan tersebut. Namun, kinerja yang dihasilkan belum cukup baik dan masih dilakukan penelitian untuk menghasilkan peningkatan kinerja waktu tunda terbaik dengan meninjau pada algoritma berbasis alam. Pada penelitian ini, kami melakukan perancangan dan penentuan suatu algoritma berdasarkan algoritma berbasis alam yang memiliki kinerja lebih baik dari GA yang telah dilakukan untuk kasus IA pada komunikasi mmWave. Algoritma yang telah dirancang dan ditentukan adalah algoritma hybrid genetic algorithm and particle swarm optimization (HGAPSO). Hasil kinerja algoritma tersebut menunjukkan nilai kapasitas terbaik (Gbit/s) dan waktu tunda yang cukup rendah (jumlah iterasi) dibandingkan algoritma GA yang telah diajukan dan particle swarm optimization (PSO). Oleh karena itu, dapat disimpulkan bahwa HGAPSO merupakan algoritma yang memiliki kinerja lebih baik dari GA yang telah diajukan dan dapat menjadi algoritma alternatif untuk kasus IA pada komunikasi mmWave.

---

MmWave communication is a promising and attractive communication for academic and industry because of the abundant available spectrum, but mmWave spectrum has poor propagation channel characteristics. High beamforming technique is an effective solution for the problem. The technique has a high delay in the initial access (IA) mechanism. This can have an impact on bad performance to be able to support its implementation in current communication technology, namely 5G low end-to-end latency. The meta-heuristic method using the Genetic Algorithm (GA) is one of the methods that have been used to solve the IA problem. However, the performance result is not good enough and research is still being carried out to produce the best delay time performance improvement by using nature inspired algorithms. In this research, we design and determine an algorithm based on nature inspired algorithms that have better performance than the GA that has been proposed for the IA case in mmWave communication. The algorithm that has been designed and determined are the hybrid genetic algorithm and particle swarm optimization (HGAPSO). The performance of the algorithm shows the best capacity value (Gbit/s) and the delay time is quite low (number of iterations) compared to the GA algorithm that has been proposed and particle swarm optimization (PSO). Therefore, it can be concluded that HGAPSO is an algorithm that has better performance than the GA that has been proposed and can be alternative algorithm for the IA case in mmWave communication."

"Proses penjadwalan kuliah merupakan proses yang cukup rumit karena komponen-komponen yang dijadwalkan saling berkaitan dan memiliki kondisi yang berbeda-beda. Biasanya penjadwalan mata kuliah dilakukan secara manual. Namun prosesnya akan memakan waktu yang cukup lama, dan penyesuaian kendala yang cukup sulit. Beberapa metode penyelesaian penjadwalan yang telah digunakan yaitu Algoritma Genetik, Algoritma Tabu Search dan gabungan dari keduanya yaitu Algoritma Hybrid Genetic-Tabu Search. Dalam penelitian ini akan dicari hasil perbandingan Algoritma Tabu Search dan Algoritma Hybrid Genetic-Tabu Search dalam penyelesaian masalah penjadwalan mata kuliah. Data yang digunakan berupa data dummy. Berdasarkan hasil simulasi, Algoritma Hybrid Genetic-Tabu Search memiliki konvergensi menuju solusi optimal lebih cepat dengan memberikan nilai fitness yang lebih baik dibandingkan dengan Algoritma Tabu Search dalam menyelesaikan masalah penjadwalan kuliah.

---

The course scheduling process is a fairly complicated process because the components scheduled are related and have different conditions. Usually the scheduling of courses is done manually. But the process will take a long time, and the adjustment of obstacles is quite difficult. Several scheduling settlement methods that have been used are Genetic Algorithm, Tabu Search Algorithm and a combination of the two, Hybrid Genetic-Tabu Search Algorithm. In this study, the results of the comparison of Tabu Search Algorithm and Hybrid Genetic-Tabu Search Algorithm in solving the problem of scheduling courses. The data used in simulation is dummy data. Based on the simulation results, Hybrid Genetic-Tabu Search Algorithm has convergence to an optimal solution faster by providing better fitness values compared to Tabu Search Algorithm in solving university course scheduling problems."

"Proyek pengembangan pesawat terbang adalah proyek yang membutuhkan anggaran besar, teknologi tinggi dan dipengaruhi oleh faktor ketidakpastian yang besar. Proyek pengembangan pesawat terbang harus memiliki koordinasi yang baik antar aktivitas untuk mencapai waktu yang ditargetkan. Tujuan dari penelitian ini adalah mendesain penjadwalan proyek perancangan pesawat terbang untuk mendapatkan durasi tersingkat proyek secara keseluruhan. Data yang digunakan dalam penelitian ini adalah data desain struktur pesawat terbang untuk fase konseptual pada salah satu proyek desain pesawat terbang di Indonesia. Data yang digunakan hanya mencakup data dependensi aktivitas, jumlah sumber daya yang tersedia dan durasi aktivitas. Penelitian ini menggunakan kombinasi metode Design Structure Matrix DSM dan Genetic Algorithm GA untuk meperoleh penjadwalan proyek yang optimal. Metode DSM digunakan untuk mengidentifikasi aliran informasi antar-aktivitas proyek dan metode GA digunakan untuk mengoptimalkan urutan aktivitas. Hasil output dari pemodelan DSM menjadi input untuk pemodelan GA. Pemodelan GA mempertimbangkan data rework, yang merupakan hasil output DSM, durasi aktivitas dan batasan sumber daya manusia saat mengoptimasi urutan aktivitas proyek. Analisis komparatif dilakukan antara penjadwalan berdasarkan kombinasi metode DSM dan GA dengan penjadwalan berdasarkan metode tradisional, Metode CPM. Dibandingkan dengan metode CPM, kombinasi metode DSM dan GA menghasilkan durasi total proyek yang lebih singkat dengan mengoptimalkan urutan aktivitas yang mempertimbangkan batasan sumber daya manusia.

---

The aircraft development project is a mega project that requires huge budget, high technology and influenced by high uncertainty factor. The aircraft development project must have good coordination between the activities in order to achieve the targeted time.

The purpose of this research is to minimize the overall duration of aircraft design project. This research use dataset from an aircraft design project in Indonesia. The data used in this research was the dataset of aircraft structure design in conceptual phase. The dataset only include tasks precedence dependency, number of resource available and activity duration.

This research proposes a combination method of Design Structure Matrix DSM and Genetic Algorithm GA for aircraft design project scheduling. DSM is used to identify the information flow between project activities and GA is used to optimize the task sequence.

The output result of DSM modeling becomes the input for GA modeling. GA considers the output of DSM, which is rework data, activity duration and human resources constraint during task sequence optimization. A comparative analysis was conducted between the schedule based on DSM and GA and schedule based on traditional method, the Critical Path Method.

Compared to the CPM method, DSM and GA produce a shorter overall project duration by optimizing task sequences that consider human resource constraints. This research is useful for design projects scheduling with limited resources that can be obtained by using alternative methods other than traditional methods. "

"Kereta sebagai salah satu peningkatan infrastruktur di Indonesia menjadi mode transportasi yang umum dipakai oleh masyarakat. Optimalisasi operasional kereta menjadi salah satu tantangan dimana kereta listrik menjadi solusi dengan biaya operasional rendah serta gaya traksi tinggi. Bentuk optimasi dapat dilihat dari penggunaan energi dalam perjalanan berdasarkan profil kecepatan kereta. Optimisasi kecepatan kereta dapat menggunakan salah satu algoritma optimasi yaitu Differential Evolution (DE) Algorithm. DE merupakan algoritma metaheuristik untuk mencari global optimum pada continuous space. Untuk mencapai hasil yang optimum, DE mengaplikasikan tahap inisialisasi, mutasi, crossover, hingga seleksi pada setiap interval waktu perjalanan. Solusi profil kecepatan dapat menentukan mode berkendara (accelerating, cruising, coasting, braking) untuk mencapai penggunaan energi terendah dalam operasional kereta.

---

Train, one of the infrastructure improvements in Indonesia, is a mode of transportation commonly used by the public. Optimizing train operations is one of the challenges where electric trains are a solution with low operational costs and high tractive force. Optimization can be seen from the use of energy in the journey based on the train speed profile. Train speed optimization can use one of the optimization algorithms, namely the Differential Evolution (DE) Algorithm. DE is a metaheuristic algorithm for finding the global optimum in continuous space. To achieve optimum results, DE applies the initialization, mutation, crossover, and selection stages at each travel time interval. Speed ​​profile solutions can determine driving modes (accelerating, cruising, coasting, braking) to achieve the lowest energy use in train operations."